<< TOPへ
Synergizing LLMs and Knowledge Graphs: A Novel Approach to Software Repository-Related Question Answering
起（導入）
ソフトウェア開発において、リポジトリは貴重な情報の宝庫です。しかし、リポジトリから有用な洞察を得ることは、時間がかかり、専門的な知識を必要とします。そこで、自然言語で質問できるチャットボットが開発されましたが、これらのチャットボットは自然言語の理解が不十分で、関連データを正確に取得するのが難しいという課題があります。
承（展開）
この研究では、リポジトリ関連の質問に対する回答の精度を改善するために、知識グラフを活用した新しいアプローチを提案します。具体的には、リポジトリデータから知識グラフを構築し、LLM（大規模言語モデル）と統合することで、自然言語の質問に対してより正確な回答を生成します。
転（転換）
私たちのアプローチは、知識グラフを用いて質問に関連するデータを取得し、そのデータを基に自然言語の回答を生成するものです。実際に、20の異なる質問を5つのオープンソースプロジェクトで評価した結果、最初は65%の精度を達成しました。さらに、推論能力の向上を目指して「数ショット思考連鎖」を実験したところ、精度が84%に向上しました。
結（結論）
この研究の新規性は、LLMと知識グラフを融合させることで、リポジトリデータへのアクセスを技術者だけでなく非技術者にも可能にした点です。これにより、ソフトウェア開発の効率が向上し、より多くの人々がリポジトリの情報を活用できるようになります。例えば、今後は「リポジトリのバグ修正に貢献した開発者は誰か？」といった質問にも、素早く正確に答えられるようになるでしょう。
このように、私たちのアプローチは技術的な壁を取り払い、リポジトリの情報をより多くの人々に届ける新しい道を切り開くものです。
